心理健康和神經系統(tǒng)疾病正在流行。在美國，五分之一的人患有精神疾病。

然而，越來越缺乏足夠的精神衛(wèi)生專業(yè)人員來充分滿足這一需求。據估計，到2025年，對精神科醫(yī)生的需求可能會超過15600名精神科醫(yī)生的供應。為了幫助臨床醫(yī)生用有限的資源支持越來越多的誰尋求治療的患者，精神病學計算的研究領域應用數據和指標驅動的方法精神病學研究的思想，情感和行為。

2017年1月，IBM做出了大膽的聲明，稱衛(wèi)生專業(yè)人員可以在五年內應用AI來更好地理解言語和語言如何為我們的心理健康畫上清晰的窗戶。差不多兩年后，我們已經看到了可喜的早期結果。從那時起，我們所做的工作和研究已經鞏固了我們的地位：從語音到單詞選擇到書面文本和生理指標的個性化數據，再加上AI，可能是幫助衛(wèi)生專業(yè)人員更好地了解我們自己思想的關鍵。

在過去的一年中，IBM Research的團隊與臨床醫(yī)生合作在該領域發(fā)表了以下研究，所有這些都證明了AI和語音在幫助專業(yè)人士了解信息以及幫助他們更詳細地描述我們所發(fā)生的事情方面的潛力。 。

我們已經在構建AI算法方面取得了進展，該算法可以根據用戶句子的結構復雜性來幫助臨床醫(yī)生了解用戶的心理狀態(tài)，這可以指出認知障礙的模式。

我們還證明了AI和機器學習可用于幫助臨床醫(yī)生識別關鍵的語言模式，這些模式可準確確定95%的語言樣本，這些樣本傳統(tǒng)上與精神分裂癥患者相對應，而與那些被認為更可能因健康而患有精神病的個體相對應專業(yè)人士或健康對照者。具體來說，話語連貫性（句子之間建立含義的方式）以及話語豐富性（單詞周圍添加的上下文）的變化可以明顯地表明精神分裂癥。

我們已經開發(fā)出一種使用機器學習的方法，可以快速自動地進行口頭言語分析，并以超過83%的準確度提醒臨床醫(yī)生警惕隊列中出現精神病發(fā)作的可能性，這些人群被確定為更容易患精神病，而無論診斷協議。這可能對幫助專業(yè)人員在癥狀開始顯現之前預測精神病至關重要，因為語言的細微變化甚至可能在癥狀完全發(fā)作之前就指出了這一點。

我們設想將這些技術應用于精神衛(wèi)生專業(yè)人員的未來，并最終使他們能夠更智能，更有信心地完成工作，并能夠使用正確的數據有效地治療越來越多的患者指尖。